Sale

EZC 硬核AI建模 & 个人网站速成班

$499.00 $449.00

Note:此课程为线上课程

 

# career-project课程详情

1. 网站Project:


**使用技术和亮点:** `HTML` `CSS` `JAVASCRIPT` `FLASK` `PYTHON` `GIT/GITHUB` `API`

**学生能得到什么:**

  - 系统的学习前后端开发,掌握full stack developer的精髓(不仅仅是学习几个语言—)

  - 学习version control,ide,deployment等程序员必须掌握的编程工具

  - 为自己搭建一个理想的coding environment

  - 明白什么是API,怎么用API,面试上怎么回答关于API的问题,为啥API那么重要

  - 学习网站的部署,掌握专业开发的流程和脉络

  -  怎么用github展示你的project,怎么在简历中凸显这个project的价值,怎么让你瞬间在求职路上一马当先。


- 课程1:

1. 讲解整体课程规划和脉络

2. 分析使用技术和将使用的framework,以及近些年前端开发的发展历程

3. Introduction to html, css, javascript

4. 学习Github & Git 为你的project保驾护航

5. Setup coding 环境,选取你的professional editor

6. 搭建一个简单的静态网页雏形

* 课程2:

1. Introduction to basic python programming

2. 如何使用python-flask支持后端开发

3. 前端开发工具介绍

4. 为你的网站添加个人介绍和选定背景信息

5. 如果stylish你的网站 - CSS的使用

* 课程3:

1. 如果做多页面网站跳转(routing)

2. 完善你的网页信息

3. 用Javascript带你做一个炫酷的网站背景效果

4. 对网站各区域内容进行stylish。完成Code Review

* 课程4:

1. 选取你的网站域名

2. 如何专业的部署你的网站

3. 未来你讲何去何从,你应该怎么去继续学习前端后端。

4. Optional:为你的网站搭建一个自动发邮件系统

5. Optional:为你的网站加入一个人工智能聊天助手

6.  项目总结,如何把代码放到github上。



2. 数据分析Project


Project1: 安永金融数据分析


**背景故事:**

安然曾是 2000 年美国最大的公司之一。辉煌时期,市值高达700亿美元。2002 年,由于其存在大量的企业欺诈行为,这个昔日的大集团以极快的速度土崩瓦解。 在随后联邦进行的调查过程中,大量有代表性的保密信息进入了公众的视线,包括成千上万涉及高管的邮件和详细的财务数据。 你将在此项目中扮演侦探,运用你的新技能,根据安然丑闻中公开的财务和邮件数据来构建相关人士识别符。利用机器学习算法进行数据分析,从邮件和财务数据中找出犯罪嫌疑人。

**使用技术和亮点**: `PYTHON3` `PANDAS/NUMPY` `JUPYTER NOTEBOOK` `GIT/GITHUB` `MATPLOTLIB` `PYPLOT`  `SKLEARN`

**学生能得到什么**:

1. 完整专业的数据分析经验:data wrangling - data modeling · data visualization · model validation

2. 让你真正把python用起来,理解如果把计算机和金融结合起来  - fintech skills

3. 明白什么是AI,什么是机器学习,AI到底能毁灭人类吗?

4. 怎么用贝叶斯模型和Design Tree完成AI建模。你也能瞬间成为AI分析师

5. 怎么用github展示你的project,怎么在简历中凸显这个project的价值,怎么让你瞬间在求职路上一马当先。

 

* 课程1:

1. 什么是数据分析,怎么成为一个数据分析师

2. 数据分析的知识范畴,数据分析有什么组成

3. Project核心技术分析,课程脉络介绍

4. 帮助学生Setup数据分析环境,按照python环境

5. 用python进行简单编程,体验jupyter notebook的强大

6. 准备金融大数据数据,并用 pandas library 读取数据到python中

 

* 课程2:

1. 对数据进行简单的可视化

2. 对数据进行mean,standard deviation等统计学分析

3. 提出统计学问题,确认数据类型:股票信息,email文字信息,收入信息等

4. 对数据进行系统的清理 - data wrangling

5. 对数据进行基本可视化操作 - data visualization


* 课程3:

1. 啥是AI,啥是machine learning。他们的原理是什么

2. 贝叶斯模型详解

3. Design Tree 模型详解

4. 学习建模前如何处理数据以达到最佳效果

5. 用代码完成你的第一次机器学习建模

* 课程4:

1. 如何高效训练你的代码

2. 如何准确检验你的模型

3. 如果查看模型的可靠度,完成 model validation

4. 怎么才可以提高训练的准确度,达到production标准

5. 更复杂的建模 - model improvement

6. 项目总结,如何把代码放到github上。